Прибыль:
- Способность эффективно использовать ИИ при обработке, контроле качества и составлении отчетов о результатах лабораторных исследований.
- Возможность ускорить составление геологических/геотехнических отчетов, обзор литературы и обобщение данных с помощью ИИ.
- Возможность защитить автоматически сгенерированный контент с помощью возможности отслеживания, подтверждения источника и одобрения инженера.
Незаметная, но значительная часть работы инженера-геолога происходит в офисе: обработка результатов лабораторных исследований, контроль качества, табулирование данных, написание отчетов, сканирование литературы, подготовка карт и рисунков. Эта работа повторяется, требует много времени и внимания; Это именно та область, где искусственный интеллект экономит больше всего времени. Но и здесь есть ловушка: отчет является официальной основой инженерного решения. Сфабрикованный источник, неправильно скопированный номер или неотслеживаемая претензия могут незаметно проскользнуть в текущий текст, и последствия могут быть серьезными. Целью этого подразделения является создание дисциплины, которая никогда не ослабляет отслеживаемость, подтверждение источника и одобрение инженеров при использовании искусственного интеллекта для сквозной эффективности офиса.
В этом блоке мы охватим три направления офиса: обработку лабораторных результатов и обеспечение качества/контроля качества (очистка и обеспечение данных анализа), производство отчетов и литературы (составление, реферирование и ускорение проверки) и автоматизацию рабочих процессов (упорядочение повторяющихся задач). На каждом этапе ИИ является составителем и организатором; Точность, источник и окончательное утверждение содержания принадлежат разработчику.
Лабораторная обработка результатов и обеспечение/контроль качества
Результаты лабораторных исследований (анализы, анализы индекса почвы, химический состав воды) часто поступают в разных форматах, в разных единицах измерения и иногда неверные. ИИ объединяет эти данные в единую схему, фиксирует несоответствие единиц измерения, помечает значения ниже предела обнаружения и проверяет образцы ОК/КК (холостой образец, стандартный эталонный материал, повторный анализ). QA/QC (обеспечение качества/контроль качества) – это проверка, доказывающая надежность лаборатории: если в холостом образце есть контаминация, отклонение от стандарта, несоответствие в повторном образце, данные сомнительны.
Критический момент: ИИ никогда молча не удаляет и не исправляет значение. Его задача — отметить проблемные линии и позволить инженеру принять решение. Выброс может быть истинным содержанием руды с высоким содержанием или лабораторной ошибкой; Инженер проводит это различие в контексте. Искусственный интеллект проверяет данные, а не очищает их.
Совет: Повторяйте правило «просто отмечайте, не меняйте» при каждом запросе при обработке лабораторных данных. Самая коварная ошибка ИИ заключается в том, что он искажает необработанные данные, «исправляя» значение с благими намерениями, не осознавая этого.
Производство отчетов и литературы
ИИ является мощным составителем отчетов: готовит раздел метода, вводный контекст, резюме выводов за считанные минуты; обобщает большой объем литературы; Преобразует сложную таблицу в обычный текст. Но две опасности очевидны. Первый — это сфабрикованный источник: модель может уверенно генерировать несуществующую статью, ложного автора или несуществующую каноническую статью. Во-вторых, ошибка обработки чисел: при передаче в текст может быть неправильно передана оценка, коэффициент безопасности или глубина.
Итак, золотое правило: ИИ создает проект, инженер проверяет и владеет им. Каждый источник подтверждается с оригинала (апокрифические ссылки — самый распространенный вид галлюцинаций); каждое число сравнивается с необработанными данными; Каждое техническое заявление проверяется инженерными знаниями. После подписания отчета ответственность за каждое предложение в нем ложится на подписавшего — фраза «это написал ИИ» не является оправданием.
Внимание: Никогда не принимайте библиографию, созданную искусственным интеллектом, такой, какая она есть. Выдуманные, но реалистично выглядящие ссылки (вроде бы точные автор, журнал, год) — самые распространенные и опасные галлюцинации. Проверьте каждую ссылку на независимую базу данных.
Автоматизация и отслеживание рабочих процессов
Автоматизация повторяющихся задач (обработка данных ежемесячного мониторинга воды, заполнение стандартного шаблона отчета, объединение таблиц бурения) с помощью искусственного интеллекта обеспечивает большую эффективность. Но автоматизация может также автоматизировать ошибки: однажды установленное неправильное правило молча повторяется при каждом запуске. Вот почему автоматизированные рабочие процессы должны быть отслеживаемыми: фиксировать, какие входные данные, какой шаг, из какой версии модели поступает каждый выходной результат; При обнаружении ошибки необходимо отследить основную причину и все затронутые выходные данные.
На практике прослеживаемость означает: фиксируются источник и дата входных данных, примененные преобразования, используемая версия подсказки/модели и этап утверждения человеком. Это обеспечивает как отладочную, так и инженерную ответственность. Неконтролируемая автоматизация, какой бы быстрой она ни была, неприемлема в бизнесе, где важна безопасность.
Три мини-кейса: в цифрах
Случай 1. Учет отклонения в показателях качества/контроля качества. Одна лабораторная партия содержала 320 образцов. Проверка AI QA/QC показала, что стандартный эталонный материал систематически занижается на 8% по последним 40 образцам — отклонение калибровки прибора. Эта систематическая ошибка представляла собой проблему, которую было очень трудно обнаружить вручную, но она затрагивала всю партию; Посылка прошла повторный анализ. Он не определял узор, он сделал его видимым.
Случай 2 — Искусственный источник. AI подготовила литературный раздел геотехнического отчета и предоставила шесть ссылок. В ходе проверки выяснилось, что двух из них никогда не существовало, а один был отнесен не к тому журналу. Если бы ссылки не проверялись одна за другой по независимой базе данных, сфабрикованные источники были бы включены в подписанный инженерный отчет. Проект ускорился; Подтверждение сохранено.
Случай 3 — Основная причина с возможностью отслеживания. В автоматике ежемесячного мониторинга воды значения наблюдательной скважины в течение трех месяцев сообщались не в тех единицах. Благодаря записи прослеживаемости в течение нескольких минут было обнаружено, на каком этапе преобразования возникла ошибка, и был создан полный список из трех затронутых отчетов. Если бы никакие записи не велись, оставалось бы неясным, какие распечатки были повреждены, и весь архив оказался бы под подозрением.
Слабая подсказка/Сильная подсказка
Слабая подсказка:
Напишите геотехнический отчет по этому проекту, включая литературу. [данные]
Мощная подсказка:
Ваша роль: Составитель отчета. СОСТАВЬТЕ отчет со следующими данными, но: 1) На основании ТОЛЬКО тех данных, которые я даю; НЕ выдумывайте количество, источник или находку. 2) Покажите в скобках, из какой строки ввода взято каждое число. 3) Вместо того, чтобы указывать фактический источник литературы, поместите заполнитель «Здесь будет добавлен проверенный источник по [теме]». 4) Отметьте все места, в которых вы не уверены, надписью «ТРЕБУЕТСЯ ПОДТВЕРЖДЕНИЕ ИНЖЕНЕРА». Окончательное содержание и все источники будут проверены мной. Данные анонимны.
Четыре копируемых шаблона
1) Лабораторная проверка качества/контроля качества:
Проверьте таблицу лабораторных результатов: расхождение единиц измерения, признаки ниже предела обнаружения, загрязнение в холостом образце, систематическое отклонение в эталонном стандарте, несоответствие в повторном образце. Отмечайте только проблемные строки с помощью example_id; Не удаляйте и не исправляйте никакие значения. Решение за мной.
2) Принудительное подтверждение источника:
Вытащите все числовые утверждения и ссылки на источники в этом тексте и составьте контрольный список: данные, на которых основано каждое число, цитирование каждого источника, которое необходимо подтвердить. Изготовление источника; Отметьте «должно быть проверено», если вы не можете проверить.
3) Структура записи прослеживаемости:
Предложите шаблон записи прослеживаемости для этого автоматизированного рабочего процесса: источник и дата входных данных, примененные преобразования, используемая версия подсказки/модели, этап утверждения человеком. Покажите, как добраться до основной причины и затронутых выходных данных при обнаружении ошибки.
4) Проверка целостности отчета:
Просканируйте черновик отчета на предмет внутренней согласованности: совпадают ли цифры в сводке с основной частью, не конфликтуют ли таблицы и текст, согласованы ли единицы измерения, есть ли неопределенные сокращения? Перечислите проблемы; Решение по содержанию остается за мной.
Офисные обязанности, доходы и контроль
Квест
усиление ИИ
Основной риск
Обязательная проверка
Лабораторная обработка данных
высокий
Тихая коррекция
«Отметить, удалить» + необработанные данные
Проверка качества/контроля качества
высокий
Не пропустите слайд
Слепой/стандартный/повторное подтверждение
Проект отчета
высокий
Выдуманная проблема/источник
Подтверждение номера и источника
Обзор литературы
высокий
Выдуманная ссылка
Независимая проверка базы данных
автоматизация рабочих процессов
очень высокий
Повтор ошибки
Запись прослеживаемости
Совет: Прежде чем настраивать автоматизацию, задайте вопрос: «Как я узнаю, что этот рабочий процесс работает неправильно?» Ответьте на вопрос. Если ответ неясен, сначала добавьте точки отслеживания и контроля; Скорость приходит после управляемости.
Распространенные ошибки
- Корректировка значения в автоматическом режиме. «Улучшение» необработанных данных ИИ — самая коварная ошибка; правило всегда должно быть «отмечать, не менять».
- Не сверяя библиографию. Вымышленные отсылки — самая распространенная галлюцинация; Каждый отпечаток должен быть проверен независимо.
- Не проверяя номер переноса. В беглом тексте скрыт тенор или коэффициент запаса прочности, ухудшающийся при переходе в текст.
- Установка неотслеживаемой автоматизации. В рабочем процессе, в котором не ведется учет, невозможно определить основную причину и влияние ошибки.
- Прибегая к оправданию, что «это написал ИИ». Ответственность за каждое подписанное предложение лежит на подписавшемся; одобрение не может быть ослаблено.
В заключение
- Офисная работа — это та сфера, где искусственный интеллект экономит больше всего времени; Однако отчет является официальной основой для принятия решения, а ошибки обходятся дорого.
- В лабораторных данных ИИ проверяет, а не очищает; правило «отметить, удалить/исправить», решение за инженером.
- Фальсификация источников и цифр в отчетах и литературе является наиболее распространенным риском; Каждый источник и номер проверены.
- Автоматизация может увеличить как ошибку, так и скорость; Запись прослеживаемости фиксирует основную причину и затронутые результаты.
- Инженер несет ответственность за подписанный контент; «Это написал ИИ» — не оправдание.
Задача приложения
Получите анонимную таблицу результатов лабораторных исследований (или репрезентативные данные). Пометьте проблемные строки модели с помощью шаблона «Аудит ОК/КК лаборатории»; сознательно систематически сдвигайте стандартное эталонное значение и проверяйте, улавливает ли модель его и пытается ли удалить значение. Затем подготовьте проект краткого раздела отчета и внесите каждую проблему и источник в него в контрольный список, используя шаблон «Проблема проверки источника».
контрольный список
- [ ] Я всегда применяю правило «отметить, удалить/исправить» к ИИ на лабораторных данных.
- [ ] Я проверяю надежность лаборатории с помощью образцов ОК/КК (холостые, стандартные, повторные).
- [ ] Я независимо проверяю каждый источник и цифры в отчете и литературе.
- [ ] Я настроил рабочие процессы автоматизации с возможностью отслеживания.
- [ ] Я согласен с тем, что несу полную ответственность за контент, который подписываю.